AI 编程：核心概念与术语解析

在学习 Vibe Coding 的过程中，你一定会遇到各种陌生的概念与术语。比如什么是 Token？什么是上下文窗口？什么是 MCP？这些概念听起来很高大上，但其实理解起来并不难。

这篇文章就是你的 AI 编程术语词典

笔者会用最通俗易懂的语言，把 Vibe Coding 中最常见、最重要的概念讲清楚。

AI 基础概念

Token

Token 是 AI 模型处理文本的基本单位。你可以简单理解为 "词块"。

在英文中，一个 Token 大约是一个单词或单词的一部分。在中文中，一个汉字通常是 1-2 个 Token。

为什么 Token 重要？

因为 AI 服务通常按 Token 收费。你输入的文字和 AI 输出的文字都会消耗 Token。Token 用得越多，花的钱就越多。

举个例子：

"Hello World" 大约是 2 个 Token
"你好世界" 大约是 4-6 个 Token

输入 Token 和输出 Token

AI 服务通常分别计算输入和输出的 Token：

类型	说明	价格
输入 Token	你发给 AI 的内容（提示词、代码、文件等）	较便宜
输出 Token	AI 返回给你的内容（回答、生成的代码等）	较贵

一般来说，输出 Token 比输入 Token 更贵，因为生成内容比理解内容更消耗算力。

省钱小技巧

写清楚、写简洁的提示词，让 AI 一次就能理解你的需求，减少反复对话。

上下文窗口

上下文窗口（Context Window）是指 AI 模型一次能 "记住" 的最大内容量，用 Token 来衡量。

不同模型的上下文窗口大小不同：

模型	上下文窗口	约等于中文字数
GPT-4o	128K Token	约 10 万字
Claude 3.5 Sonnet	200K Token	约 15 万字
Gemini 2.0 Pro	2M Token	约 150 万字

上下文窗口越大，AI 能处理的代码量就越多，能记住的对话历史就越长。如果你的项目代码很多，选择上下文窗口大的模型会更合适。

注意

上下文窗口越大，每次请求消耗的 Token 也越多，成本也会更高。

提示词与交互

提示词（Prompt）

提示词是你给 AI 的指令或问题。在 Vibe Coding 中，提示词就是你用自然语言描述的需求。

提示词的质量直接决定了 AI 输出的质量。一个好的提示词应该：

具体明确，不含糊
包含必要的背景信息
说明期望的输出格式

示例对比

❌ 模糊的提示词：

"做一个网站"

✅ 好的提示词：

"用 React 做一个记账网站，包含添加支出、查看列表、统计总额三个功能，界面用蓝色调"

在 AI 对话中，消息通常分为三种角色：

角色	说明	可见性
系统提示词（System）	设置 AI 的角色和行为规则	对用户不可见
用户提示词（User）	你发送给 AI 的消息	可见
助手提示词（Assistant）	AI 回复给你的消息	可见

理解这 3 种角色有助于你更好地构造对话。比如在调试时，你可以在提示词中模拟之前的对话历史，让 AI 更好地理解上下文。

系统提示词

系统提示词（System Prompt）是在对话开始前设置的指令，用来定义 AI 的角色、行为和限制。

示例：

"你是一位资深的 React 开发专家，请用简洁清晰的代码风格回答问题。"

系统提示词在整个对话过程中都会生效，是定制 AI 行为的重要方式。

提示词工程

提示词工程（Prompt Engineering）是设计和优化提示词的技术，目的是让 AI 更好地理解你的意图，生成更符合预期的结果。

这是 Vibe Coding 的核心技能之一。好的提示词工程师能用更少的对话轮次，让 AI 生成更高质量的代码。

Markdown 语言

Markdown 是一种轻量级的文本标记语言，用简单的符号来表示格式。

在 Vibe Coding 中，Markdown 非常重要：

AI 生成的回答通常是 Markdown 格式
项目文档（如 README）用 Markdown 编写
规则文件也是 Markdown 格式

常用语法

# 表示标题
**文字** 表示加粗
- 表示列表

可以到 Markdown官方语法教程进行学习。

AI 能力与扩展

工具调用

工具调用（Tool Use / Function Calling）是让 AI 能够使用外部工具和功能的技术。AI 本身只能生成文字，但通过工具调用，它可以：

读写文件
执行命令行命令
搜索网页
调用 API
操作数据库

工具调用的工作流程：

复制代码

1. 识别需求 → AI 判断当前任务需要使用工具
2. 选择工具 → 从可用工具中选择合适的
3. 执行调用 → 用正确的参数调用工具
4. 整合结果 → 将工具返回的结果融入回答

重要说明

AI 模型本身并不直接执行工具，而是生成 "我想调用这个工具，参数是这些" 的指令，由外部程序执行后把结果返回给 AI。

在 Vibe Coding 中，工具调用让 AI 从 "只会说" 变成 "能动手"。比如 Cursor 的 Agent 模式就是通过工具调用来读取文件、修改代码、运行命令的。

MCP 模型上下文协议

MCP（Model Context Protocol）是 Anthropic 在 2024 年底推出的开放标准，用于让 AI 模型安全地连接外部数据源和工具。

你可以把 MCP 理解成 AI 世界的 "USB 接口"。有了 MCP，AI 就能方便地读取你的文件、访问数据库、调用各种工具，而不需要每个工具都单独开发接口。

MCP 的核心价值在于标准化。 开发者不需要为每个 AI 工具单独开发连接器，只需要按照 MCP 标准开发一次，就能被所有支持 MCP 的 AI 工具使用。

应用场景

Figma MCP：AI 直接读取设计稿并生成网页代码
GitHub MCP：AI 直接操作代码仓库、创建 PR
数据库 MCP：AI 查询和分析业务数据

💡 想要发现更多好用的 MCP 服务？可以访问鱼皮 AI 导航 - MCP 大全，持续更新优质 MCP，帮你重塑 AI 工作流。

Subagents 子代理

Subagents（子代理）是指主 AI 智能体将部分任务分派给独立的子智能体来并行处理的能力。

你可以把它理解成 AI 的下属。当主 AI 遇到一个大任务时，它可以把独立的小任务分给几个子代理同时干，自己继续处理其他工作。

Subagents 的好处：

并行处理多个独立任务，效率翻倍
主代理的上下文保持干净，不会被子任务的细节污染
每个子代理可以专注于自己的任务，结果更准确

使用方式

在 Claude Code 中，你可以在请求后面加一句 "use subagents"，就能启用这个能力。

局限性

每个子代理的上下文是独立的，它们之间无法直接共享信息
不适合有强依赖关系的任务
多个子代理同时运行会消耗更多 Token，成本会增加

Agent Skills 智能体技能

Agent Skills（智能体技能）是 Anthropic 在 2025 年 10 月推出的开放标准，用于给 AI 智能体扩展特定领域的专业能力。

简单来说，Skill 就是一个包含 SKILL.md 文件的文件夹，里面可以放置指令说明、脚本代码、参考资料等。当 AI 遇到相关任务时，会自动加载对应的 Skill 来增强自己的能力。

你可以把 Skill 理解成给 AI 的 "新员工入职指南"。比如：

一个 PDF 处理 Skill，教会 AI 如何填写 PDF 表单
一个项目部署 Skill，包含你团队特有的部署流程和脚本
一个代码审查 Skill，定义了你项目的代码规范和检查清单

Skills 的核心设计是渐进式披露：AI 只在需要时才加载相关内容，不会一次性把所有信息都塞进上下文，既节省 Token 又保持灵活性。

Hooks 钩子

Hooks（钩子）是 AI 编程工具中的一种自动化机制，可以在特定事件发生时自动执行预设的操作。

你可以把 Hooks 理解成触发器：当 AI 完成某个动作（比如生成代码、提交代码、运行命令）时，Hook 会自动触发一段脚本或检查流程。

在 Claude Code 中，Hooks 可以用来：

代码生成后自动运行格式化工具
文件修改后自动执行测试
权限请求时自动判断是否安全并批准
提交代码前自动检查代码规范

注意事项

Hooks 配置不当可能会阻塞 AI 的正常工作流程，建议先在小范围测试，确认没问题再推广到整个项目。

Browser Use 浏览器使用

Browser Use（浏览器使用）是让 AI 智能体能够自动操控网页浏览器的技术能力。通过 Browser Use，AI 可以像人类一样浏览网页、点击按钮、填写表单、提取数据。

典型应用场景：

场景	说明
自动化研究	让 AI 在多个网站上搜索、整理信息
数据采集	从网页中提取结构化数据
表单填写	自动完成繁琐的在线表单
跨平台操作	在不同网站间完成多步骤任务

比较知名的开源项目是 Browser-Use，支持通过 Python 调用多种大模型来控制浏览器。此外，Cursor、Claude Code 等主流 AI 编程工具也内置了 Browser Use 能力。

关键优势

AI 可以利用你现有的浏览器会话和登录状态，无需为每个网站单独开发 API 集成。也就是说，AI 能够访问那些没有公开 API 的网站。

项目规范

规则文件

规则文件（Rules File）是放在项目中的配置文件，用来告诉 AI 你的项目规范、技术栈、代码风格等信息。有了规则文件，AI 每次生成代码时都可以参考这些规则，生成的代码更符合你的项目风格，省去了反复强调的麻烦。

不同 AI 编程工具使用不同的规则文件格式：

工具	规则文件格式
Cursor（旧版）	`.cursorrules` 单文件
Cursor（新版）	`.cursor/rules/*.mdc` 多文件
Claude Code	`CLAUDE.md`
GitHub Copilot	`.github/copilot-instructions.md`

以 Cursor 为例，现代的 .mdc 规则文件支持 YAML 元数据：

yaml 复制代码

---
description: React 组件开发规范
globs: src/components/**/*.tsx
alwaysApply: false
---
# React 规范
- 使用函数式组件
- 优先使用 hooks

规则文件的激活方式：

始终生效 ：设置 alwaysApply: true
模式匹配 ：当引用匹配 globs 的文件时自动激活
手动调用 ：在对话中用 @规则名 引用
AI 自主决定：AI 根据任务相关性自动加载

注意

随着工具版本的更新，这些文件的名称和标准可能会发生改变，一切以工具官方文档为主。

斜杠命令

斜杠命令（Slash Commands）是在 AI 编程工具的对话框中输入 / 触发的快捷指令，可以快速执行常用操作。

你可以把斜杠命令理解成操作 AI 的快捷键。

Claude Code 中的常用命令：

命令	功能
`/help`	查看可用命令
`/compact`	压缩当前对话的上下文
`/config`	修改配置
`/skills`	查看已安装的技能

自定义命令

你可以自定义斜杠命令，把常用的工作流封装起来复用。比如：

/commit-push-pr：一次性完成代码提交、推送和创建 PR
/techdebt：每次会话结束跑一下清理重复代码

上下文管理

上下文（Context）

上下文是 AI 在回答问题时能够参考的所有信息，包括：

当前对话的历史
你打开的代码文件
项目的结构和配置
你提供的参考资料

上下文越丰富、越相关，AI 生成的代码就越符合你的需求。这就像给一个新同事交接工作 ------ 你给的背景信息越多，他上手就越快。

上下文工程

上下文工程（Context Engineering）是有策略地管理和优化提供给 AI 的上下文信息的技术。

核心目标是 让 AI 拥有恰到好处的信息。既不能太少（导致 AI 不了解情况），也不能太多（导致信息过载、成本上升）。

好的上下文工程包括：

选择最相关的文件
提供必要的背景说明
使用规则文件定义项目规范
适时清理无关的对话历史

上下文压缩

上下文压缩（Context Compaction）是 AI 自动压缩和总结之前对话内容的技术，解决的是长时间运行任务中上下文溢出的问题。

以前跑长任务的时候，AI 经常会撞到上下文长度的天花板，前面聊过的内容被挤掉后 AI 就失忆了，导致生成的代码和之前的约定对不上。有了上下文压缩，AI 会在上下文快要满的时候，自动把前面的对话总结成更精简的形式，保留关键信息的同时释放空间。

类比理解

你可以把它想象成项目经理写会议纪要。已经开了 3 小时的会，不可能把每句话都记下来，但关键决策、待办事项、重要结论都会被记录。

Claude Opus 4.6 就内置了上下文压缩能力，搭配它的 100 万 token 上下文窗口，可以让长时间运行的编程任务更加稳定。

开发工具概念

IDE 集成开发环境

IDE（Integrated Development Environment）是程序员用来写代码的综合软件，通常包含代码编辑器、调试器、终端等工具。

VS Code 是目前最流行的 IDE。Cursor 和 Windsurf 都是基于 VS Code 开发的 AI 代码编辑器，继承了 VS Code 的功能，同时增加了 AI 能力。

零代码平台

零代码平台（No-Code Platform）是不需要写代码就能创建应用的平台。你通过可视化界面拖拽组件、配置参数来构建应用。

在 AI 时代，像 Bolt.new、Lovable、v0.dev、百度秒哒这样的平台结合了零代码和 AI，你用自然语言描述需求，平台自动生成完整的应用。

零代码平台特别适合：

完全没有编程经验的新手
想快速做原型的场景

代码补全

代码补全（Code Completion）是 AI 预测你接下来要写什么代码，并自动提供建议的功能。

当你写代码时，AI 会根据上下文推测你的意图，提供代码片段供你选择。按下 Tab 键就能接受建议，大大提高编码速度。

GitHub Copilot 是目前最知名的 AI 代码补全工具。

代码审查

代码审查（Code Review）是检查代码质量、发现问题、提出改进建议的过程。

在传统开发中，一般会由同事或上级来做。在 Vibe Coding 中，你可以让 AI 帮你审查代码，它会指出潜在的 bug、安全问题、性能问题，并提供修改建议。

注意

AI 的审查不能完全替代人工审查，特别是对于重要的生产代码。

Linter 代码检查器

Linter 是自动检查代码问题的工具，能发现语法错误、风格问题、潜在 bug 等。

常见的 Linter：

工具	适用语言
ESLint	JavaScript/TypeScript
Pylint	Python
RuboCop	Ruby

它们像一个严格的语法老师，帮你保持代码规范。在 Vibe Coding 中，Linter 能帮你快速发现 AI 生成代码中的问题。

前后端概念

推荐视频学习

前后端开发涉及较多技术细节和实际演示，强烈推荐通过视频课程学习，效果更佳。

视频标题	UP	链接
前端开发速成	数字游牧人	点击观看
后端开发速成	数字游牧人	点击观看
全栈开发速成	三分钟实验室	点击观看

什么是前端？

前端（Frontend）是指用户直接看到和交互的部分，包括：

网页界面：按钮、输入框、图片、文字等视觉元素
交互逻辑：点击、滑动、表单提交等用户操作
数据展示：将后端返回的数据以友好的方式呈现

常用技术栈：

HTML / CSS / JavaScript
React / Vue / Angular
Tailwind CSS / Bootstrap

什么是后端？

后端（Backend）是指运行在服务器端的逻辑，用户看不到但支撑整个应用运转，包括：

数据处理：接收、存储、查询数据
业务逻辑：用户认证、权限管理、计算处理
API 接口：为前端提供数据交互的接口